用于即时预报的卫星数据：在机器学习框架中使用卫星数据实时估算柬埔寨的国内生产总值（英）

核心观点与结论

柬埔寨在生产和及时发布关键官方统计数据方面面临能力限制，这限制了政策制定者进行敏捷和有效政策决策的能力。本文展示了将卫星衍生指标（如夜间灯光、二氧化氮排放、植被指数）与传统高频指标结合到机器学习框架中，可以显著提高GDP即时预测的准确性。此外，卫星数据能够更深入地研究地方性模式，提供粒度化、近实时的经济活动洞察。

数据与方法

研究采用了机器学习方法，结合季度卫星指标和传统宏观经济变量来训练即时预测模型。使用的卫星（非传统）指标包括夜间灯光（NTL）、二氧化氮（NO₂）排放、降水（PCP）、归一化植被指数（NDVI）、增强型植被指数（EVI）、植被健康指数（VHI）和农业压力指数（ASI）。传统变量包括出口、进口、广义货币、汇率、消费者价格指数、贷款利率、信贷和游客数量。

结果与解释

随机森林机器学习技术显示出良好的拟合度，2025年第一季度和第二季度的GDP年增长率即时预测结果分别为5.7%和6.7%，实际值与预测值的回归线之间的吻合度由均方根误差（RMSE）为0.9来衡量。Shapley分解显示了变量对模型预测能力的贡献。添加卫星变量将模型精度提高了20%以上。

在卫星指标中，夜间灯光和NO₂似乎是跨时间最具有影响力的变量。2012-2025年期间，NO₂排放对模型预测的影响最大，表明NO₂排放水平（作为工业活动的代理指标）是柬埔寨GDP动态的高度预测指标。在2021-2025年的近期期间，夜间灯光（NTL）显示出更强的影响力，表明其与夜间可见的经济活动越来越一致。因素如城市化、旅游业、家庭电力获取和消费可能解释了其日益增长的影响力。

植被指数在多年内显示出适度但持续的对经济活动的贡献，并在2017年和2025年第一季度出现峰值。这反映了农业在柬埔寨经济中的重要地位，当其面临气候变化可能带来的生产波动时。

2025年第一季度的即时预测显示，年同比增长率为5.68%。分析表明，非传统指标补充了传统指标，并在传统指标稀缺时成为良好的替代品。将非传统指标纳入即时预测模型将RMSE和MAE指标提高了20%以上，将RMSE从1.2降至0.9，将MAE从1.0降至0.8。